[發明專利]基于yolov5模型的目標檢測方法及相關裝置

在審

• 申請號: 202210187351.2
• 申請日: 2022-02-28
• 公開（公告）號: CN114627393A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 楊術;吳振洲;常曉磊;宋志斌
• 申請（專利權）人: 深圳織算科技有限公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V20/40;G06V10/764;G06V10/82;G06K9/62;G06F17/16;G06N3/04;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 梁立耀

本申請實施例公開了一種基于yolov5模型的目標檢測方法、裝置、電子設備及計算機可讀存儲介質，該方法包括：獲取待處理圖像；將待處理圖像輸入至yolov5模型的輸入端，獲得輸入端輸出的第一矩陣，第一矩陣為m行n列的矩陣；通過yolov5模型的變換模塊將第一矩陣變換成第二矩陣，第二矩陣為j行n列的矩陣；基于第二矩陣，通過yolov5模型的基準網絡、Neck網絡和輸出端，獲得待處理圖像的目標檢測結果，j小于m。可見，本申請實施例在現有yolov5模型的基礎上增加了變換模塊，通過變換模塊將維度為m*n的第一矩陣降為維度為j*n的第二矩陣，降低了矩陣數據規模，進而降低了計算復雜度，減少了計算耗時。

技術領域

本申請屬于目標檢測領域，尤其涉及一種基于yolov5模型的目標檢測方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

目前，yolov5算法被用于檢測出圖像中的感興趣目標。但是，傳統的yolov5算法的數據規模較大，導致計算復雜度較高，計算耗時較長。

發明內容

本申請實施例提供一種基于yolov5模型的目標檢測方法、裝置、電子設備及計算機可讀存儲介質，可以解決傳統yolov5算法由于數據規模較大導致計算復雜度較高，計算耗時較長的問題。

第一方面，本申請實施例提供一種基于yolov5模型的目標檢測方法，該yolov5模型包括輸入端、變換模塊、基準網絡、Neck網絡和輸出端，該方法包括：

獲取待處理圖像；

將待處理圖像輸入至輸入端，獲得輸入端輸出的第一矩陣，第一矩陣為m行n列的矩陣；

通過變換模塊將第一矩陣變換成第二矩陣，第二矩陣為j行n列的矩陣；

基于第二矩陣，通過基準網絡、Neck網絡和輸出端，獲得待處理圖像的目標檢測結果；

其中，j小于m，m、j和n均為正整數。

由上可見，本申請實施例在現有yolov5模型的基礎上增加了變換模塊，以通過變換模塊將輸入端最終輸出的第一矩陣變換成第二矩陣，再將第二矩陣帶入模型后續的基準網絡，并通過基準網絡、Neck網絡和輸出端進行后續運算，獲得目標檢測結果，這樣，通過變換模塊將維度為m*n的第一矩陣降為維度為j*n的第二矩陣，降低了矩陣數據規模，進而降低了計算復雜度，減少了計算耗時。

在第一方面的一些可能的實現方式中，通過變換模塊將第一矩陣變換成第二矩陣，包括：

將第一矩陣輸入至變換模塊，以使變換模塊通過計算第一矩陣的協方差矩陣獲得第三矩陣，并在對第三矩陣進行特征分解，得到特征值和每個特征值對應的特征向量后，根據特征值的分布，選取前j個特征值對應的特征向量構成第四矩陣，再將第四矩陣和第一矩陣相乘，得到第二矩陣。

在第一方面的一些可能的實現方式中，獲取待處理圖像，包括：

根據預先配置的視頻流地址，獲取通過無人機搭載的圖像采集裝置采集的視頻流；

根據預先配置的幀率從視頻流中截取圖像，以獲得待處理圖像。

在該實現方式中，使用變換模塊將第一矩陣變換成第二矩陣，使得無人機拍攝的圖像數據中的主要信息得以保留，并且將次要信息進行了一定程度的削弱，進而減少了目標檢測的干擾，提高了yolov5模型的目標檢測準確性。

在第一方面的一些可能的實現方式中，獲取待處理圖像，在獲得待處理圖像的目標檢測結果之后，方法還包括：

將目標檢測結果推送至無人機告警前端。

第二方面，本申請實施例提供一種基于yolov5模型的目標檢測裝置，該yolov5模型包括輸入端、變換模塊、基準網絡、Neck網絡和輸出端，該裝置包括：